Rancang Bangun Aplikasi Deteksi Dini Kanker Ovarium Berbasis Android Dengan Expert System
DOI:
https://doi.org/10.34818/eoe.v9i6.19129Abstract
Abstrak-Kanker ovarium adalah tumor yang timbul pada rahim dan dapat berakibat fatal apabila tidak ditangani sedini mungkin. Kanker ovarium sulit terdeteksi pada stadium awal karena tidak menimbulkan gejala spesifik dan umumnya baru terdeteksi pada stadium lanjut. Pada stadium lanjut kanker tersebut akan lebih sulit untuk ditangani dan biaya pengobatannya pun menjadi lebih mahal. Oleh karena itu dibuatlah penelitian dengan membuat aplikasi android untuk mendeteksi kanker ovarium sedini mungkin dengan metode sistem pakar. Diperoleh data kuesioner pasien kanker dari Rumah Sakit Hasan Sadikin Bandung yang akan menjadi acuan dalam pembuatan aplikasi. Penulis membandingkan keakuratan prediksi data menggunakan algoritma K-Nearest Neighbor, Support Vector Machine, dan Random Forest. Lalu dilanjutkan dengan pembuatan aplikasi serta dilakukan analisis Quality of Services menggunakan Apache JMeter. Hasil pengujian menunjukkan bahwa algoritma KNearest Neighbor menggunakan nilai K=7 mendapatkan nilai akurasi sebesar 92.3%. Maka dari itu, dipilihlah algoritma KNearest Neighbor untuk diimplementasikan ke dalam aplikasi deteksi kanker ovarium. Dengan memasukkan algoritma KNearest Neighbor ke dalam aplikasi, didapatkan hasil akurasi pada aplikasi sebesar 80,23%. Lalu analisis Quality of Service menghasilkan troughput terbaik sebesar 2.89 kbps, dan latency terbaik sebesar 13s, masing-masing dengan beban 100 user dan mampu menangani permintaan dari 100 dan 150 user tanpa error. Kata Kunci- Android, K-Nearest Neighbor, Kanker Ovarium, Random Forest, Sistem Pakar, Support Vector Machine.Downloads
References
[1] W. P. Prakosa, “Laporan studi kasus asuhan
keperawatan pada kanker ovarium dengan kecemasan,”
Ph.D. dissertation, STIKES Muhammadiyah Klaten,
2021.
[2] D. U. Rosyidah, “Peningkatan pengetahuan tentang
kanker leher rahim dan deteksi dini dengan
pemeriksaan pap smear,” Jurnal Pengabdian
Masyarakat Medika, 2021.
[3] L. K. Sari, H. Fauzi, and K. N. Ramadhani,
“Perancangan sistem aplikasi self-awareness kanker
ovarium berbasis android menggunakan metode sistem
pakar,” eProceedings of Engineering, vol. 8, no. 2,
2021.
[4] A. B. Harsono, “Kanker ovarium:the silent killer,”
Indonesian Journal of Obstetrics & Gynecology
Science, vol. 3, no. 1, pp. 1–6, 2020.
[5] M. Dahria, “Pengembangan sistem pakar dalam
membangun suatu aplikasi.” 2011, 199-205.
[6] P. D. Kusuma. Deepublish Publisher, 2020, vol. 1.
[7] A. U. Zailani, A. Perdananto, N. Nurjaya, and
S.Sholihin, “Pengenalan sejak dini siswa smp tentang
machine learning untuk klasifikasi gambar dalam
menghadapi revolusi 4.0,” KOMMAS: Jurnal
Pengabdian Kepada Masyarakat, vol. 1, no. 1, 2020.
[8] J. J. Pangaribuan and V. Angkasa, “Komparasi tingkat
akurasi random forest dan knn untuk mendiagnosis
penyakit kanker payudara,” Journal Information
System Development (ISD), vol. 7, no. 1, pp. 49–61,
2022.
[9] R. C. Putra, “Pembangunan perangkat pendeteksi jenis
gerakan raket bulu tangkis dengan algoritma knn dan
svm,” Jurnal Teknika, vol. 9, no. 2, 2020.
[10] U. Hasanah, L. R. Mayangsari, A. Pratama, and I.
Cholissodin, “Perbandingan metode svm, fuzzy-knn,
dan bdt-svm untuk klasifikasi detak jantung hasil
elektrokardiografi,” Jurnal Teknologi Informasi dan
Ilmu 'Komputer, vol. 3, no. 3, pp. 201–207, 2016.
[11] R. A. Haristu, “Penerapan metode random forest untuk
prediksi win ratio pada pemain player unknown
battleground,” Universitas Sanata Dharma Yogyakarta,
vol. 1, no. 2, 2019.
[12] R. K. Ngantung and M. I. Pakereng, “Model
pengembangan sistem informasi akademik berbasis
user centered design menerapkan framework flask
python,” Jurnal Media Informatika Budidarma, vol. 5,
no. 3, pp. 1052–1062, 2021.
[13] R. Prasthio, Y. Yohannes, and S. Devella, “Penggunaan
fitur hog dan hsv untuk klasifikasi citra sel darah putih,”
Jurnal Algoritme, vol. 2, no. 2, pp. 120–132, 2022.
[14] M. Grandini, E. Bagli, and G. Visani, “Metrics for
multi-class classification: an overview,” arXiv preprint
arXiv:2008.05756, 2020.



